面向听觉智能与物理AI的
人机交互开发者社区

语音小管家

转载a year ago

SoundAI公司近期发表在arXiv上的前沿研究《The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatil…

语音小管家

原创a year ago

近几年，空间音频从“更高质量到音频”走向“可被理解与生成的三维声场”。它不只是把声音变“立体”，而是让系统理解声源的方位、距离、运动，并能按需生成。在AR/VR、影视、游戏与交互内容的牵引下，研究重心也从传统的信号级处理迈向多模态、可控生成…

语音小管家

转载a year ago

谷歌近期发布的Perch 2.0生物声学模型，通过识别海洋生物和鸟类的声音，展示了AI在特定声学领域的巨大潜力。然而，这仅仅是一个开始。与Perch 2.0的专一性不同，声智科技正在打造一个更为宏大且通用的“AI耳朵”，其声音事件和情感识别…

语音小管家

转载a year ago

来源丨githubStore MGM-Omni 是一个能够处理文本、图像、视频和语音输入，并能生成文本和语音响应的全能聊天机器人。基于 MiniGemini 和 MiniGemini v2 (Lyra)，MiniGemini-Omni (M…

语音小管家

转载a year ago

近日，阶跃星辰正式发布开源端到端语音大模型Step-Audio 2 mini，该模型在多个国际基准测试集上取得 SOTA 成绩。 Step-Audio 2 mini将语音理解、音频推理与生成统一建模，在音频理解、语音识别、跨语种翻译、情感与…

语音小管家

转载a year ago

作者｜吴翰林 审校｜ 段旭峰 王书琪 文章结尾有大消息！ 传统的神经语言学方法通常将语言拆解为语音、词汇、句法、语义等独立的加工模块，并在高度控制的实验环境下分别进行研究。这种方法有助于我们理解语言认知的各个方面，但往往也因此缺少一个统一的…

语音小管家

原创a year ago

最近，南洋理工大学、西北工业大学、浙江大学联合在TASLP上发表了空间感知的多通道选择性主动噪声控制（Frequency-Direction Aware Multichannel Selective Fixed-Filter Active…